مقایسه مدل های ANN، MLR، ARIMA در پیش بینی کیفیت هوا
Publish place: International Conference on Architecture, Urban Planning, Civil Engineering, Art and Environment; Future horizons, look to the past
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 552
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICAUCAE01_1584
تاریخ نمایه سازی: 10 تیر 1396
Abstract:
پیشرفت تکنولوژی، افزایش روز افزون جمعیت و توسعه ی کلانشهرها، معضلات محیط زیستی زیادی را به وجود آورده است. یکی از این معضلات زیست محیطی که ایران و حتی جهان را به چالش کشیده و در تلاش پیدا کردن راه حلی برای آن می باشد، آلودگی هواست. یکی از بهترین راهها برای برنامه ریزی و کاهش اثرات منفی آن تعیین غلظت آلاینده ها و روش های پیش بینی کیفیت هوا است. در این تحقیق به روش های پیش بینی کیفیت هوا از جمله آریما (ARIMA)، رگرسیون خطی چندگانه (MLR)، و شبکه عصبی مصنوعی (ANN) پرداخته شده است. برای این کار 20 مقاله و مجله لاتین در سالهای اخیر در زمینه پیش بینی کیفیت هوا و تعیین غلظت آلاینده ها که شامل این سه مدل می شود، مطالعه شد. بررسی های انجام شده سه مدل که توسط نویسندگان مختلف استفاده شده بود، نشان داد که مدل (ANN)، با توجه به مزایای آن مانند شناسایی روابط غیر خطی پیچیده بین متغییرهای مستقل و وابسته، نیاز به آموزش کم تر، انعطاف پذیر بودن و درجه بالای دقت نسبت به دو مدل ARIMA و MLR بهترین مدل می باشد و از سوی دیگر با توجه به معایب آن مانند محاسبات پیچیده، دشوار بودن وزن دهی، طراحی دشوار شبکه و همچنین برای بالاتر بردن دقت می توان از مدل های ترکیبی مانند ANNAR (مدل ترکیبی شبکه عصبی و آریما) و مدل های تلفیقی دیگر بهره گرفت ولی با این وجود هنوز شبکه های عصبی به عنوان روش های غیر خطی مناسب ترین روش می باشد.
Keywords:
Authors
راضیه فرهادی
دانشجوی کارشناسی ارشد گروه محیط زیست، دانشگاه حکیم سبزواری
مجتبی هادوی فر
استادیار گروه محیط زیست، دانشگاه حکیم سبزواری
مظاهر معین الدینی
استادیار گروه محیط زیست، دانشگاه تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :